一种基于深度学习的输电线路异物检测方法技术

本发明专利技术公开了一种基于深度学习的输电线路异物检测算法，包括以下步骤:选用主流的Yolov8目标检测算法作为基础框架；对目标图像进行预处理；通过基于全维动态卷积的Backbone网络对目标特征进行高效提取；通过基于改进BiFPN的Neck网络对所提取的目标特征进行深度融合；通过引入注意力机制的Head网络准确预测输电线路异物；设计损失函数计算分类与回归损失。本发明专利技术通过图像预处理、改进特征提取网络，增强特征融合能力等方法，得到了更高精度的预测输出特征图，克服了现有技术对输电线路异物检测的漏检、误检以及小目标检测不准确的问题，得到一种更加高效与准确的输电线路异物检测方法。

【技术实现步骤摘要】

本专利技术属于计算机视觉，尤其涉及一种基于深度学习的输电线路异物检测方法。

技术介绍

1、输电线路作为电力能源的传输载体，是电力系统的重要组成部分。而输电线路经常会受到气候变换、异物(如鸟巢、风筝、塑料袋、气球等)的影响，因此为了保证电力系统安全稳定地运行，对输电线路进行异物检测是十分必要的。近年来，我国电网的建设速度逐渐加快，输电线路架设的区域也呈现出密集化与复杂化的趋势，这也增加了工作人员对输电线路的维护难度。

2、目前对于输电线路异物检测的方法主要分为两类：一类是人工巡检，依靠巡检人员徒步或借助直升机沿输电线路巡检，通过肉眼直接观察是否存在异物，并以纸质媒介方式记录巡检结果；另一类是智能巡检，通过无人机等相关设备采集图像或视频，利用人工智能算法分析研判异物。

3、人工巡检的方法存在着巡检劳动强度大、工作效率低、可靠性差的问题，而且还存在一定的危险性；智能巡检的方法由无人机获取图像，然而工作人员面对海量的数据时，经常出现误检或漏检的情况，并且手动检测时间较长，无法及时准确地发现输电线路异物，这对输电线路的巡检是不利的。

<本文档来自技高网...

【技术保护点】

1.一种基于深度学习的输电线路异物检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的输电线路异物检测方法，其特征在于，步骤2具体包括以下步骤：

3.根据权利要求2所述的基于深度学习的输电线路异物检测方法，其特征在于，步骤3.1中对目标特征进行提取包括以下步骤：

4.根据权利要求3所述的基于深度学习的输电线路异物检测方法，其特征在于，步骤3.2具体包括以下步骤：

5.根据权利要求4所述的基于深度学习的输电线路异物检测方法，其特征在于，步骤3.3具体包括以下步骤：

6.根据权利要求5所述的基于深度学习的输电...

【技术特征摘要】

1.一种基于深度学习的输电线路异物检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的输电线路异物检测方法，其特征在于，步骤2具体包括以下步骤：

3.根据权利要求2所述的基于深度学习的输电线路异物检测方法，其特征在于，步骤3.1中对目标特征进行提取包括以下步骤：

4.根据权利要求3所述的基于深度学习的输电线路异物...

【专利技术属性】
技术研发人员：邵叶秦，张若为，王梓腾，吕昌，吕辰，冯林威，
申请(专利权)人：南通大学，
类型：发明
国别省市：